COST01-BP03 클라우드 예산 및 예측 수립

클라우드 비용 및 사용량의 매우 가변적인 특성에 맞게 기존 조직의 예산 책정 및 예측 프로세스를 조정합니다. 프로세스는 추세나 비즈니스 동인을 기반으로 하는 알고리즘 또는 둘의 조합을 사용하여 동적으로 수행되어야 합니다.

이 모범 사례가 확립되지 않을 경우 노출되는 위험 수준: 높음

구현 가이드

고객은 효율성, 속도 및 민첩성을 달성하기 위해 클라우드를 사용합니다. 이러한 특성으로 인해 클라우드의 비용 및 사용량은 매우 가변적입니다. 워크로드 효율성이 증가하거나 새 워크로드 및 기능이 배포되는 경우 비용이 감소(때로는 증가)할 수 있습니다. 더 많은 고객을 지원하기 위해 워크로드 규모를 조정할 수 있으며 이 경우 사용량 및 비용이 증가합니다. 이제 그 어느 때보다 쉽게 리소스를 이용할 수 있습니다. 또한 클라우드의 탄력성 덕분에 비용 및 예측의 탄력성 역시 보장됩니다. 따라서 이러한 가변성을 포함하도록 기존 조직의 예산 편성 프로세스를 수정해야 합니다.

예산은 일반적으로 1년 단위로 준비하며 고정되어 있으므로 관련된 모든 사람이 엄격하게 준수해야 합니다. 반면 예측은 더 유연하여 연중 재조정이 가능하며 1년, 2년 또는 3년 기간에 걸쳐 동적으로 추정할 수 있습니다. 예산 책정과 예측 모두 다양한 기술 및 비즈니스 이해관계자 간의 재정적 기대치를 설정하는 데 중요한 역할을 합니다. 정확한 예측 및 구현을 통해 처음부터 비용 프로비저닝을 직접 담당하는 이해관계자가 책임을 지게 되며 아울러 전반적인 비용 인식도 높일 수 있습니다.

추세 기반 알고리즘(예: 기간별 비용을 입력으로 사용)을 사용하거나, 동적이고 가변적인 지출 환경에 적합한 동인 기반 알고리즘(예: 신제품 출시, 리전별 확장 또는 워크로드를 위한 새로운 환경)을 사용하거나, 또는 추세 기반 알고리즘과 비즈니스 동인 기반 알고리즘을 함께 사용하여 기존의 예산 책정과 예측 프로세스를 보다 동적으로 조정하세요.

이때 AWS Cost Explorer 를 사용하면 정의된 미래의 시간 범위에서 과거 지출을 기준으로 추세 기반 예측을 수행할 수 있습니다. AWS Cost Explorer의 예측 엔진은 비용 유형(예: 예약형 인스턴스)을 기준으로 과거 데이터를 구분하고 기계 학습과 규칙 기반 모델을 결합하여 모든 비용 유형 전반에서 비용을 개별적으로 예측합니다.

사용 비용에 영향을 미칠 수 있는 비즈니스 동인을 식별하고 각 동인을 개별적으로 예측하여 예상 사용량을 미리 계산하세요. 일부 동인은 조직 내 IT 및 제품 팀과 연결되어 있습니다. 영업, 마케팅 및 비즈니스 리더는 마케팅 이벤트, 프로모션, 합병 및 인수 등의 다른 비즈니스 동인을 잘 알고 있으므로 협업하고 이러한 수요 동인을 모두 고려하는 것도 중요합니다. 새로운 내부 동인에 미치는 영향을 이해하려면 이들 리더와 긴밀히 협력해야 합니다.

Cost Explorer 또는 다른 도구를 사용하여 추세 기반 예측을 결정한 후에는 AWS Pricing Calculator 을 사용하여 예상 사용량(트래픽, 초당 요청 수, 필요한 Amazon EC2 인스턴스)을 기반으로 AWS 사용 사례와 향후 비용을 예측합니다. 또한 AWS를 사용하는 경우에도 이를 사용하여 지출 방식을 계획하고 비용 절감 기회를 찾고 합리적인 결정을 내릴 수 있습니다. 이러한 예측 계산 및 추정을 기반으로 예산을 수립해야 하므로 해당 예측의 정확성을 추적하는 것이 중요합니다.

이때 AWS Budgets 를 사용하면 기간, 반복 주기 또는 금액(고정 또는 가변)을 지정하고 서비스, AWS 리전 및 태그 등과 같은 필터를 추가하여 사용자 지정 예산을 세부 수준에서 설정할 수 있습니다. 기존 예산의 성과에 대한 정보를 계속해서 파악하기 위해 AWS Budgets 보고서를 활용하세요. 생성한 다음 여러분과 이해관계자에게 해당 보고서가 이메일로 정기적으로 전송되도록 설정할 수 있습니다. 또한 대응적 조치인 AWS Budgets 알림을 실제 비용을 기반으로 생성할 수 있습니다. 예측 비용을 기반으로 생성하면 잠재적인 비용 초과를 완화할 조치를 취할 시간을 벌 수 있습니다. 비용 또는 사용량이 예산 금액을 초과하거나 초과할 것으로 예상되는 경우 알림을 받을 수 있습니다.

이때 AWS Cost Anomaly Detection 을 사용하여 예상치 못한 비용을 줄이고 혁신 속도를 늦추지 않으면서 제어를 강화할 수 있습니다. AWS Cost Anomaly Detection은 기계 학습 기술을 사용하여 이례적인 지출과 근본 원인을 파악하기 때문에 신속하게 조치를 취할 수 있습니다. 간단한 3단계를 수행하면맥락에 맞는 고유한 모니터링 시스템을 구축하고 이례적인 비용이 감지된 경우 알림을 받을 수 있습니다.

Well-Architected 비용 최적화 원칙의 재무와 기술의 파트너십단원에 언급된 것처럼 일관성을 위해 모두 동일한 도구 또는 프로세스를 사용하도록 하려면 IT 팀, 재무 팀 및 기타 이해관계자 간에 파트너십을 확립하고 주기적으로 소통하는 것이 중요합니다. 예산을 변경해야 하는 경우 소통 주기를 늘리면 보다 신속하게 변화에 대응할 수 있습니다.

구현 단계

리소스

관련 문서:

관련 동영상:

관련 예시: